為了克服單一干旱監(jiān)測指數(shù)在復(fù)雜覆蓋類型的適用性問題,以復(fù)雜覆蓋類型的毛烏素沙地腹部烏審旗為例,在傳統(tǒng)歸一化干旱指數(shù)（normalized difference drought index,NDDI）、土壤濕度監(jiān)測指數(shù)（soil moisture monitoring index,SMMI）、溫度植被干旱指數(shù)（temperature vegetation drought index,TVDI）3個單一干旱監(jiān)測指數(shù)的基礎(chǔ)上,通過層次分析法確定各指數(shù)的權(quán)重,結(jié)合野外不同覆蓋類型實(shí)測的土壤含水率數(shù)據(jù),分別進(jìn)行回歸分析,建立多指數(shù)綜合干旱監(jiān)測模型,基于此模型分析研究區(qū)表層土壤水分的空間分布。結(jié)果表明:3個單一干旱指數(shù)在一定程度上均能客觀反映旱情特征,與表層土壤含水率呈現(xiàn)不同程度的負(fù)相關(guān),溫度植被干旱指數(shù)相關(guān)性最好為0.604。引入結(jié)合多指數(shù)的綜合干旱監(jiān)測指數(shù)模型,在8月、9月草地和沙地與表層土壤含水率指數(shù)模型的決定系數(shù)R2均在0.7以上,高于基于單一指數(shù)模型的擬合精度�；谠撃Ｐ�,研究區(qū)研究區(qū)表層土壤含水率整體較低,體積含水率不高于0.15 cm³/cm³

【文章來源】：農(nóng)業(yè)工程學(xué)報(bào). 2019,35(13)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

研究區(qū)地理位置與采樣區(qū)分布圖Fig.1Geographicallocationandsamplinglayoutofstudyarea

band7）NIR（band4）特征空間的SMMI（7，4）在監(jiān)測地表土壤水分是最優(yōu)的。由于TM/ETM+遙感數(shù)據(jù)與OLI遙感數(shù)據(jù)的對應(yīng)波段信息不同使其4、7波段分別對應(yīng)第5、7波段[16]，因此，本文利用OLI遙感數(shù)據(jù)構(gòu)建了土壤濕度監(jiān)測指數(shù)SMMI（7，5）。SMMI計(jì)算公式為22NIRSWIRSMMI(i,j)=OEOD=(+)2（2）式中ρNIR、ρSWIR分別為Landsat8OLI影像第5、7波段地表反射率，｜OE｜距離的變化反映了土壤濕度的變化（圖2），｜OD｜的值為2。圖2土壤濕度監(jiān)測指數(shù)構(gòu)建示意圖Fig.2Sketchmapofsoilmoisturemonitoringindex

第13期王思楠等：基于綜合干旱指數(shù)的毛烏素沙地腹部土壤水分反演及分布117注：草地、沙地、整體的樣本數(shù)分別為49、49、98。Note:Samplesizeofgrasslandandsandandwholeare49，49and98,respectively.圖32016年表層0~10cm土壤含水率與綜合干旱指數(shù)擬合結(jié)果Fig.3Surfacesoilmoisturecontentof0-10cmandcomprehensivedroughtindex(CDI)fittingresultsin2016注：草地、沙地、整體的樣本數(shù)分別為11、11、22。MRE為平均相對誤差；RMSE為均方根誤差。Note:Samplesizeofgrasslandandsandandwholeare11，11and22,respectively.MREistheaveragerelativeerror;RMSEisrootmeansquareerror.圖42016年表層0~10cm土壤含水率實(shí)測值與反演值對比Fig.4Comparisonbetweenmeasuredandinversionvaluesofsoilmoisturecontentof0-10cminsurfacelayerin20163.3模型驗(yàn)證為了驗(yàn)證綜合干旱監(jiān)測指數(shù)模型的可靠性和適用性，使用8—9月未參加回歸分析的樣區(qū)（沙地、草地）中的22個樣點(diǎn)實(shí)測數(shù)據(jù)分別進(jìn)行精度檢驗(yàn)，采用平均相

【參考文獻(xiàn)】：
期刊論文
[1]基于MTVDI與DDI二元回歸模型對毛烏素沙地腹部土壤表層水分的研究[J]. 王思楠,李瑞平,韓剛,田鑫,王耀強(qiáng),胡勇平.  干旱地區(qū)農(nóng)業(yè)研究. 2019(02)
[2]基于無人機(jī)影像的采煤沉陷區(qū)玉米生物量反演與分析[J]. 肖武,陳佳樂,笪宏志,任河,張建勇,張雷.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(08)
[3]時(shí)序雙極化SAR開采沉陷區(qū)土壤水分估計(jì)[J]. 馬威,陳登魁,楊娜,馬超.  遙感學(xué)報(bào). 2018(03)
[4]基于綜合干旱指數(shù)的淮河流域土壤含水量反演[J]. 張文,任燕,馬曉琳,胡藝杰.  國土資源遙感. 2018(02)
[5]三種干旱指數(shù)在干旱區(qū)沼澤濕地土壤水分遙感反演中的應(yīng)用[J]. 葛少青,張劍,孫文,王利平,耿亞軍,范雙萍.  生態(tài)學(xué)報(bào). 2018(07)
[6]基于多源遙感數(shù)據(jù)的旱情評價(jià)研究——以河南省為例[J]. 王俊霞,朱秀芳,劉憲鋒,潘耀忠.  國土資源遙感. 2018(01)
[7]精河綠洲鹽漬土表層土壤鹽分因子的空間變異及分布格局[J]. 張飛,李怡博,王東芳,王小平,張海威,陳麗華.  生態(tài)與農(nóng)村環(huán)境學(xué)報(bào). 2018(01)
[8]抗旱減災(zāi)研究綜述及展望[J]. 屈艷萍,呂娟,蘇志誠,孫洪泉,馬苗苗.  水利學(xué)報(bào). 2018(01)
[9]基于多尺度遙感數(shù)據(jù)的荒漠化草原旱情監(jiān)測及時(shí)空特征[J]. 韓剛,李瑞平,王思楠,田鑫,胡勇平,樊愛霞,孫燕.  江蘇農(nóng)業(yè)學(xué)報(bào). 2017(06)
[10]不同數(shù)據(jù)挖掘方法在綜合干旱監(jiān)測模型構(gòu)建中的應(yīng)用研究[J]. 張婧嫻,沈潤平,郭佳.  江西農(nóng)業(yè)大學(xué)學(xué)報(bào). 2017(05)

碩士論文
[1]基于多源數(shù)據(jù)的旱情監(jiān)測方法研究[D]. 包欣.安徽理工大學(xué) 2013



本文編號：3064956